F5-TTS-INDO-FINETUNE-V2

🔥 Overview

This indonesian finetune of F5-TTS is made to introduce indonesian speech capabilities on the model. This version 2 finetune should be much better than version 1 in terms of speaker similarity, naturalism, and pronunciation.

---

📝 Dataset

Length: 131.79 hours
Audio samples: 66431

Dataset sources:
• Indonesian Youtube videos, cutted and preprocessed

---

🎧 Audio Results

• Clean female audio reference

Reference text:
"dikatakan ternyata cek 3 miliar yang diberikan untuk mahar pernikahan ini adalah palsu." <audio controls> <source src="https://huggingface.co/Eempostor/F5-TTS-INDO-FINETUNE-V2/resolve/main/ref_reporter.mp3" type="audio/mp3"> </audio> Generated text:
"Ini merupakan sebuah tes dari ef faif TTS Indonesia versi kedua. Rasanya lebih natural dari versi pertama bahkan bisa ee ucapkan filler. Lisensi model ini adalah Creative Commons Attribution four International License yang berarti model ini tidak ditujukan untuk tujuan komersil atau hal lainnya seperti impersonasi." <audio controls> <source src="https://huggingface.co/Eempostor/F5-TTS-INDO-FINETUNE-V2/resolve/main/gen_reporter.wav" type="audio/wav"> </audio>

• Noisy male audio reference with Indo-English generated text

Reference text:
"Eh, guys, gua udah sampai nih di hotel di hari kedua lagi ngerjain beberapa hal, lagi upload-upload video YouTube." <audio controls> <source src="https://huggingface.co/Eempostor/F5-TTS-INDO-FINETUNE-V2/resolve/main/ref_windah.mp3" type="audio/mp3"> </audio> Generated text:
"Gila sih, kadang hidup tuh kayak roller coaster banget. One day lo ngerasa on top of the world, besoknya bisa overthinking sampai jam tiga pagi. Tapi ya, yaudah, I guess that’s just life, kan? Kita semua cuma trying our best to survive in this chaotic world sambil tetep look cool di Instagram. At the end of the day, yang penting lo stay true to yourself dan don’t let the bad vibes ruin your vibe." <audio controls> <source src="https://huggingface.co/Eempostor/F5-TTS-INDO-FINETUNE-V2/resolve/main/gen_windah.wav" type="audio/wav"> </audio>

• Clean male audio reference, formal speech

Reference text:
"Selamat pagi, salam sejahtera bagi kita sekalian." <audio controls> <source src="https://huggingface.co/Eempostor/F5-TTS-INDO-FINETUNE-V2/resolve/main/ref_prabowo.mp3" type="audio/mp3"> </audio> Generated text:
"Saudara saudara sebangsa dan setanah air, kita hidup di zaman yang penuh perubahan besar, zaman di mana kecerdasan buatan atau artificial intelligence berkembang dengan kecepatan luar biasa. Teknologi ini bukan sekadar alat, tetapi kekuatan baru yang dapat mengubah cara kita bekerja, belajar, dan membangun bangsa. Saya yakin, jika kita mampu menguasai dan memanfaatkannya dengan bijak, kecerdasan buatan akan menjadi pendorong kemajuan Indonesia menuju kemandirian dan keunggulan di kancah global. Namun, kita juga harus waspada dan memastikan bahwa kemajuan teknologi AI ini tetap berpihak pada manusia, memperkuat moral, nilai-nilai kebangsaan, dan kesejahteraan rakyat. Tugas kita adalah memastikan bahwa Indonesia bukan hanya menjadi pengguna, tetapi juga pencipta dan pemimpin dalam teknologi kecerdasan buatan." <audio controls> <source src="https://huggingface.co/Eempostor/F5-TTS-INDO-FINETUNE-V2/resolve/main/gen_prabowo.wav" type="audio/wav"> </audio>

---

🔎 License

The pre-trained model is licensed under the CC-BY-NC license due to the training data Emilia, which is an in-the-wild dataset and the finetune data which is also an in-the-wild dataset. Sorry for any inconvenience this may cause.